Эндрю Сейлз, Главный Продукт-офицер, Scaled Agile – Интервью-серия

Эндрю Сейлз, Главный Продукт-офицер и Главный Методолог в Scaled Agile, является опытным лидером в области Lean, Agile и DevOps, который более двух десятилетий помогает предприятиям трансформировать способ доставки ценности. В своей текущей роли он руководит стратегией продукта и эволюцией Фреймворка Scaled Agile (SAFe), работая с глобальными организациями для принятия гибких практик на уровне предприятия. До того, как присоединиться к Scaled Agile, Сейлз занимал руководящие и консультационные должности в CA Technologies, Rally Software и Pearson, где он консультировал организации по всей Европе, на Ближнем Востоке и в Африке по инициативам гибкой трансформации в финансовых услугах, телекоммуникациях, розничной торговле, программном обеспечении и образовании.

Scaled Agile, Inc. является компанией, стоящей за Фреймворком Scaled Agile, более известным как SAFe, широко принятой основой для помощи предприятиям в применении Lean, Agile и DevOps-практик на уровне предприятия. Благодаря своей основе, программам обучения, программам сертификации, партнерской сети и платформе SAFe Studio, Scaled Agile поддерживает организации, стремящиеся улучшить выравнивание, скорость доставки, качество продукта, вовлеченность сотрудников и бизнес-гибкость. Компания сообщает, что SAFe был принят более чем 20 000 предприятиями во всем мире и что более одного миллиона профессионалов были обучены на основе этого фреймворка.

Какие уроки из крупномасштабных трансформаций наиболее напрямую повлияли на создание AI-Native SAFe?

За последние 15 лет мы наблюдали, как более 20 000 организаций приняли SAFe, чтобы решить одну фундаментальную проблему: координацию сложного развития продукта на уровне предприятия. Один урок остался удивительно последовательным: принципы Lean и Agile продолжают работать. То, что меняется, – это то, как эти принципы необходимо применять, поскольку меняется технология.

Искусственный интеллект не делает эти принципы устаревшими; он меняет, где находятся ограничения. Команды становятся меньше, более дополненными искусственным интеллектом и все больше сосредотачиваются на направлении работы, а не на выполнении каждой задачи самостоятельно. Циклы принятия решений сокращаются, и взаимодействие между человеческим суждением и выполнением искусственного интеллекта становится центральным для того, как создается ценность.

AI-Native SAFe строится на проверенной основе SAFe, а также развивает операционную модель для этой новой реальности. Он сохраняет фокус на ценности клиента, межфункциональном сотрудничестве, портфельном выравнивании и непрерывном совершенствовании, а также вводит новые способы управления искусственным интеллектом, управления данными как стратегическим активом и установления ответственности в организациях, использующих искусственный интеллект.

Почему традиционные Agile-фреймворки больше не достаточны для эпохи искусственного интеллекта?

Традиционные Agile-фреймворки остаются невероятно ценными. То, что изменилось, – это окружающая среда, в которой они работают.

В течение многих лет организации были ограничены тем, как быстро они могли проектировать, строить и доставлять программное обеспечение. Искусственный интеллект радикально меняет это уравнение. Как один из наших клиентов недавно сказал нам, они больше не ограничены тем, как быстро они могут строить вещи; они ограничены тем, как быстро они могут определить, создают ли эти решения значимую ценность, безопасны ли они для развертывания и соответствуют ли они бизнес-целям.

Бутылочное горлышко сместилось от производства к суждению. От выходов к результатам.

Организации теперь нуждаются в операционных моделях, которые помогут им непрерывно оценивать ценность, управлять искусственным интеллектом ответственно и координировать работу между людьми и искусственным интеллектом. Это эволюция за пределы традиционных Agile-практик, а не замена им.

Какие самые большие ошибки, которые совершают предприятия, пытаясь масштабировать инициативы искусственного интеллекта?

Первая ошибка заключается в том, чтобы рассматривать искусственный интеллект как проблему инструментов. Большинство предприятий уже имеют доступ к большим возможностям искусственного интеллекта, чем они эффективно используют.

Вторая ошибка заключается в том, что искусственный интеллект накладывается на существующие рабочие процессы, не задаваясь вопросом, должны ли эти рабочие процессы существовать в первую очередь. Автоматизация неэффективных процессов редко приводит к трансформации.

Третья ошибка заключается в том, что искусственный интеллект рассматривается как изолированная инновационная инициатива, а не как организационная способность. Устойчивое внедрение искусственного интеллекта требует изменений в стратегии, управлении, разработке продукта, операционных практиках и лидерстве, а не просто развертывания другой технологической платформы.

Организации, которые достигают наибольшего воздействия, перерабатывают то, как происходит работа. Искусственный интеллект становится частью операционной модели, а не просто инструментом, который сотрудники должны использовать.

Какой пробел заполняет Архитектор ценности искусственного интеллекта, и как он меняет динамику команд?

Искусственный интеллект значительно снижает стоимость создания решений, но он не снижает стоимость решения неправильной проблемы.

Архитектор ценности искусственного интеллекта существует, чтобы помочь организациям обнаружить возможности для использования искусственного интеллекта, а также убедиться, что они остаются сосредоточенными на бизнес-результатах. Эта роль помогает сбалансировать ценность клиента, техническую осуществимость, стоимость, управление, юридические соображения и этическую ответственность, прежде чем организации инвестируют в масштабирование возможностей, основанных на искусственном интеллекте.

Вместо того, чтобы стать еще одним слоем утверждения, роль Архитектора ценности искусственного интеллекта создает выравнивание между бизнес-лидерами, командами продукта и техническими организациями, чтобы решения об искусственном интеллекте были быстрее и лучше обоснованы. Он предоставляет практический механизм для балансирования инноваций с ответственностью, сохраняя при этом измеримую бизнес-ценность в центре каждого вложения в искусственный интеллект.

Как вы балансируете скорость инноваций с ответственным надзором за искусственным интеллектом?

Управление не должно быть чем-то, что происходит после инноваций. Оно должно быть встроено в операционную модель, чтобы инновации могли происходить безопасно и непрерывно.

Большие предприятия всегда нуждались в балансировании скорости с ответственностью. Искусственный интеллект повышает важность этого баланса, поскольку системы искусственного интеллекта вводят новые соображения вокруг качества данных, прозрачности, предвзятости, соблюдения и организационной ответственности.

AI-Native SAFe делает управление явным, а не неявным. Он включает управление в принятие решений на уровне портфеля, повышает управление данными как первоочередную задачу, сохраняет человека в цикле и вводит ясность ролей вокруг ответственности за искусственный интеллект. Когда управление встроено в то, как работают организации, оно становится стимулом для инноваций, а не ограничением.

Как будут меняться структуры команд предприятий в течение следующих пяти лет?

Мы видим четыре основных сдвига, возникающих в высокоэффективных организациях.

Во-первых, люди все больше сосредотачиваются на определении намерений и желаемых результатов, а не на выполнении каждой задачи вручную.

Во-вторых, циклы обучения и экспериментирования становятся значительно быстрее, поскольку искусственный интеллект ускоряет исследование и обратную связь.

В-третьих, инновации становятся более распределенными, поскольку искусственный интеллект снижает стоимость экспериментирования на уровне предприятия.

Наконец, команды становятся все больше дополненными искусственным интеллектом, а искусственный интеллект выступает в качестве активного участника доставки, а не просто другого инструмента производительности.

В будущем команды, основанные на искусственном интеллекте, скорее всего, будут определяться не количеством сотрудников, а тем, насколько эффективно они координируют сотрудничество между человеческой экспертизой и возможностями искусственного интеллекта.

Почему готовность данных все еще является таким значительным препятствием, и что должны уделять приоритетное внимание организации?

Данные остаются одним из самых больших барьеров для реализации искусственного интеллекта на уровне предприятия, поскольку искусственный интеллект так же эффективен, как и информация, на которой он основан. Фрагментированные данные, неоднородное управление и рабочие процессы, которые не были разработаны для среды, основанной на искусственном интеллекте, продолжают держать многие организации в режиме пилотного проекта, а не масштабирования искусственного интеллекта на уровне бизнеса.

Исследование Института возврата на инвестиции в искусственный интеллект показало, что 55% глобальных руководителей цитируют отсутствие готовых к искусственному интеллекту данных как самый большой препятствий для получения ценности от искусственного интеллекта. Это подкрепляет то, что мы видим на практике: прежде чем организации будут сильно инвестировать в новые приложения искусственного интеллекта, они должны относиться к данным как к управляемому стратегическому активу, с четкой собственностью, управлением, стандартами качества и доверием. Искусственный интеллект масштабирует любую информацию, которую он получает, будь то хорошая или плохая.

Поэтому AI-Native SAFe включает в себя курированное управление данными как структурный элемент операционной модели, а не как предварительное условие или чью-то ответственность. Готовность данных не является просто проблемой ИТ; это проблема лидерства и операционной модели, которая напрямую влияет на способность организации генерировать бизнес-ценность из искусственного интеллекта.

Как AI-Native SAFe помогает организациям перейти от измерения выходов к измерению результатов?

Искусственный интеллект делает гораздо проще генерировать выход. Когда выполнение становится быстрее и менее дорогим, выход становится гораздо более слабой мерой прогресса. Реальное конкурентное преимущество смещается в сторону измерения того, создают ли эти выходы значимые бизнес-результаты.

AI-Native SAFe построен вокруг цикла разработки продукта, ориентированного на результаты. Он предоставляет роли, практики и управление, необходимые для постоянного соединения инвестиций в искусственный интеллект с измеримой бизнес-ценностью.

То же исследование Института возврата на инвестиции в искусственный интеллект подтверждает этот сдвиг: организации, которые регулярно измеряют и сообщают о ценности искусственного интеллекта на уровне руководства и совета директоров, сообщают о значительно более сильных возвратах на инвестиции в искусственный интеллект. AI-Native SAFe помогает сделать эту дисциплину, ориентированную на результаты, постоянной частью того, как работает предприятие.

Какие факторы должны учитывать организации при решении о переходе на AI-Native SAFe?

Основной SAFe остается правильной операционной моделью для многих организаций. AI-Native SAFe не предназначен для замены его; он расширяет его для организаций, чьи операционные модели все больше формируются искусственным интеллектом.

Организации должны учитывать, где искусственный интеллект создает значимые возможности для переработки работы, а не просто автоматизации существующих действий. Они должны оценить, готовы ли их управление, практики лидерства и возможности данных поддерживать искусственный интеллект на уровне предприятия.

Самое главное, это не решение “все или ничего”. AI-Native SAFe включает в себя рекомендации по принятию, чтобы организации могли эволюционировать инкрементально, принимая практики AI-Native SAFe.

Каждая организация начинает с разных мест, и AI-Native SAFe предназначен для поддержки этой эволюции.

Как выглядит действительно родная для искусственного интеллекта организация в 2030 году?

К 2030 году лучшие организации не будут думать об искусственном интеллекте как о технологической проблеме, а как о бизнес-возможности. Он станет неотъемлемой частью того, как они работают, остаются конкурентоспособными и доставляют ценность своим клиентам.

Лидеры-люди будут все больше определять намерения, принимать стратегические решения, упражнять суждение и оставаться ответственными за результаты. Агенты искусственного интеллекта будут выполнять больше анализа, координации и выполнения, которые ранее требовали значительных человеческих усилий.

То, что будет отделять лидеров отрасли, не будет доступом к искусственному интеллекту; всем будет доступен мощный искусственный интеллект. Дифференциатором будет качество их операционной модели: насколько эффективно они оркестрируют людей, искусственный интеллект, данные, управление и непрерывное обучение, чтобы доставлять измеримые бизнес-результаты на уровне предприятия.

Спасибо за отличное интервью. Читателям, которые хотят узнать больше, следует посетить Scaled Agile.